生成对抗网络在异常检测中的应用：系统性文献综述
机器学习
2021-10-26 v1
摘要
异常检测已成为现代社会不可或缺的工具，应用于从检测欺诈交易到恶性脑肿瘤等广泛领域。随着时间推移，许多异常检测技术被提出。然而，一般而言，它们都遭受同一问题：缺乏代表异常行为的数据。由于异常行为通常对系统代价高昂（或危险），很难收集到足够代表此类行为的数据。这反过来使得开发和评估异常检测技术变得困难。近来，生成对抗网络(GANs)因生成新数据的独特能力在异常检测研究中备受关注。在本文中，我们提出关于GAN在异常检测中应用的系统性文献综述，涵盖该主题128篇论文。本综述论文的目标是研究并总结：(1) 哪些异常检测技术可从特定类型GAN中受益及如何受益，(2) GAN辅助异常检测技术已应用于哪些领域，以及(3) 哪些数据集和性能指标已被用于评估这些技术。我们的研究帮助研究者和从业者为其应用找到最合适的GAN辅助异常检测技术。此外，我们给出了该领域未来研究路线图。
引用
@article{arxiv.2110.12076,
title = {Applications of Generative Adversarial Networks in Anomaly Detection: A Systematic Literature Review},
author = {Mikael Sabuhi and Ming Zhou and Cor-Paul Bezemer and Petr Musilek},
journal= {arXiv preprint arXiv:2110.12076},
year = {2021}
}
备注
34 pages,5 figures